مقالات موجود در این بخش به صورت کامل و جزء به جزء ترجمه شدهاند و فایل اصلی مقاله به صورت رایگان در اختیار شما عزیزان قرار داده شده است. با مراجعه به هرکدام از محصولات میتوانید فایل اصلی ترجمه را دانلود بفرمایید. مقالات علمی موجود در این بخش توسط متخصصین رشته کامپیوتر و فارغ التحصیلان کارشناسی ارشد و مدرس زبان انگلیسی ترجمه و تهیه شده است. برای مشاهده جزئیات بیشتر هر کدام از فایلهای ترجمه میتوانید بر روی محصولات زیر کلیک نمایید.
با ترجمه کامل فارسی مقالات علمی و تخصصی در حوزه الگوریتم و شبکه را به آسانی درک کنید.
برای دریافت ترجمه مقالات علمی بر روی محصولات زیر کلیک کنید.
بهینه سازی قرارگیری ایستگاههای شارژ با الگوریتم ملخ GOA
ترجمه مقاله Grasshopper optimization algorithm based two stage fuzzy در 32 صفحه در قالب Word آماده شده است. این مقاله یک روش بهینه سازی با نام الگوریتم GOA را معرفی می کند. الگوریتم Grasshopper یا به زبان خودمانی الگوریتم ملخ به اختصار GOA یک الگوریتم بهینه سازی قرارگیری ایستگاههای شارژ است.
خوشه بندی طیفی با شبکه های عصبی گرافی برای اجتماع گراف ها
در این مقاله یک نوع روش خوشه بندی طیفی (SC) برای یافتن جوامع کاملاً متصل بر روی یک گراف معرفی شده است. از SC می توان در شبکه های عصبی مبتنی بر گراف (GNN) برای جمع آوری گره های متعلق به یک خوشه استفاده کرد.
ترجمه مقاله الگوریتم بهینه سازی باران ROA – Rain optimization algorithm
الگوریتم بهینه سازی باران (ROA) یک الگوریتم فرااکتشافی جدید است که از قطرات باران الهام گرفته شده است، که پس از رسیدن به زمین به سمت نقاط با مقادیر بهینه حداقل حرکت می کنند. این الگوریتم اگر پارامترهای آن به درستی تنظیم شده باشند، می تواند حداکثر بهینه سراسری همینطور حداکثر بهینه محلی را پیدا کند.
ترجمه مقاله MVO بهینه سازی چند نظمی برای بهینه سازی سراسری
این مقاله یک روش بهینه سازی با نام الگوریتم بهینه سازی چند نظمی را معرفی می کند. الگوریتم MVO یک الگوریتم متاهیورستیک یا فرا ابتکاری مبتنی بر جمعیت است است. این الگوریتم توسط سید علی میرجلیلی Seyedali Mirjalili در سال 2015 در ژورنال The Natural Computing Applications از انتشارات Springer به چاپ رسیده است.
ترجمه الگوریتم SPBO بهینه سازی مبتنی بر روانشناسی دانشجویی
این مقاله یک روش بهینه سازی با نام الگوریتم مبتنی بر روانشناسی دانشجویی را معرفی می کند. الگوریتم SPBO یک الگوریتم متاهیورستیک یا فرا ابتکاری است و از یک پدیده اجتماعی الهام گرفته شده است، این الگوریتم مبتنی بر روانشناسی دانش جویانی است که سعی می کنند تا حد لازم تلاش بیشتری را برای بهبود عملکرد خود در امتحان انجام دهند تا بهترین دانشجو کلاس شوند.
ترجمه مقاله TFWO برای حل مسائل بهینه سازی Turbulent Flow of Water based
این مقاله یک روش بهینه سازی با نام الگوریتم مبتنی بر جریان توربولانس آب یا گرداب را معرفی می کند. الگوریتم TFWO از یک پدیده جستجوی طبیعت الهام گرفته شده است، یعنی گرداب های ایجاد شده در جریان توربولانس آب، و یک الگوریتم متاهیورستیک یا فرا ابتکاری است.
ترجمه الگوریتم Sine Cosine برای حل مسائل بهینه سازی SCA
ترجمه مقاله SCA: A Sine Cosine Algorithm for Solving Optimization Problems در 31 صفحه در قالب Word آماده شده است. این مقاله یک روش بهینه سازی با نام الگوریتم سینوس کسینوس را معرفی می کند. الگوریتم Sine Cosine یا به زبان خودمانی الگوریتم Sin Cos به اختصار SCA یک الگوریتم متاهیورستیک یا فرا ابتکاری است.
بدست آوردن اطلاعات دقیق و مقرون به صرفه با استفاده از نمونه گیری تطبیقی : طرح بین خودرویی و متمرکز
در این قسمت ترجمه مقاله Accurate and cost-effective traffic information acquisition using adaptive sampling: Centralized and V2V schemes گذاشته شده است. در این مقاله یک طرح نمونه گیری تطبیقی را برای جمع آوری داده های ترافیک جاده در زمان واقعی با استفاده از دستگاه های OBU همان واحدهای روی برد در سراسر شبکه جاده ای در مقیاس بزرگ در شبکه های بین خودرویی یا Vanet استفاده شده است.
بررسی و مطالعه مقایسه ای روش های انتشار آگاه از QoS در شبکه های VANET
در این قسمت ترجمه مقاله A survey and comparative study of QoS aware broadcasting techniques in VANET گذاشته شده است. این مقاله بصورت جامع در مورد روش های انتشار آگاه از QoS در شبکه های خودرویی بررسی انجام داده است. مقاله دارای ارزش بالا بوده و بصورت دقیق و روان ترجمه شده است. مقاله فوق از انتشارات springer می باشد که در مجله Telecommunication Systems October 2017, Volume 66, Issue 2, pp 253–281 چاپ شده است.
مکانیزم انتخاب گام بعدی برای گره با محدوده انتقال ناهمگن در VANETs
شبکه خودرویی یک شبکه ارتباطی است که خودروهای هوشمند را به یکدیگر و یا منابع ثابت و سیار در کنار جاده متصل می کند و به سازماندهی آنها می پردازد. یک شبکه خودرویی متشکل از وسیله های خودرویی و زیرساخت های شبکه است. شبکه های خودرویی با دیگر شبکه بی سیم مثل شبکه های حسگر به این دلیل که کاربران داخل خودروها هستند متفاوت است.
طراحی شبکه ترانزیت با بهینه سازی کلونی زنبور عسل
طراحي خطوط ترانزیت یا حمل و نقل (نظیر خطوط اتوبوس رانی) از اهميت خاصي برخوردار است كه با توجه به شرايط فني و مالي محدود براي سرمايه گذاري جهت زيرساخت اين سيستم انجام مي شود. ازآنجا كه طراحي شبكه ترانزیت و حمل و نقل، مسئله ساده اي نيست، براي حل آن از روشهاي مختلف از جمله از روشهاي فراابتكاري استفاده مي شود.
مدل سازی ترافیک مبتنی بر زنجیره مارکوف در شبکه های سیار موردی
مدل سازی زنجیره مارکوف markov chain عنوان موضوعی است که در این پست به آن پرداخته می شود. مدل سازی زنجیره مارکوف یک سیستم ریاضی است که در آن انتقال از یک حالت به حالت دیگر صورت میگیرد که البته تعداد این حالات قابل شمارش است. زنجیره مارکوف یک فرایند تصادفی بدون حافظهاست بدین معنی که توزیع احتمال شرطی حالت بعد تنها به حالت فعلی بستگی دارد و به وقایع قبل از آن وابسته نیست.
معماری ترکیبی IEEE 802.11pو LTE مبتنی بر خوشه بندی چند گامی برای انتشار اطلاعات ایمنی در VANET
هدف این مقاله ارائه یک معماری ترکیبی، به نام VMaSC-LTE است که ترکیب IEEE 802.11p مبتنی بر خوشه بندی چند گامی و سیستم تلفن همراه نسل چهارم، تحول طولانی مدت (LTE) می باشد که به منظور دستیابی به نسبت بالای تحویل بسته اطلاعات و کاهش تأخیر می باشد؛ در ضمن اینکه استفاده از معماری تلفن همراه در حداقل سطح حفظ شود.
مروری بر مکانیزم های کنترل ازدحام در شبکه حسگر بیسیم
کنترل ازدحام یکی از مسائل چالش برانگیز در شبکه های WSN است. که به ویژگیهای محدودیت منابع و تعداد گره های استقرار یافته در این شبکه ها مربوط است. در WSN، ازدحام به دلایل زیر اتفاق می افتد: تداخل بسته، سرریز بافر گره، رقابت بر سر کانال انتقال، نرخ ارسال، روش انتقال داده چند-به-یک و کانال انتقال متغیر با زمان و پویا. در واقع، ازدحام تاثیر قابل توجهی بر پارامترهای کیفیت سرویس نظیر نسبت تحویل بسته (PDR)، تأخیر انتها به انتها و مصرف انرژی دارد.
رایانش ابری : مطالعه تجربی تامین تطبیق پذیر منابع در ابر
رایانش ابری، مقیاس پذیری پویای منابع را برای سیستمهای آنلاین امکان پذیر میسازد. این ویژگی، یکی از ویژگیهای کلیدی است که ابر را از محاسبات سنتی متفاوت میکند. به هر حال مقدار دهی اولیه یک ماشین مجازی جدید در ابر یک کار فوری و آنی نیست. پلت فرمهایی که ابر را میزبانی میکنند، در تخصیص منابع سخت افزار تاخیر زیادی دارند.